بررسی عملکرد انواع طبقه بندی کننده نزدیک ترین همسایه در حرکات دست مبتنی بر استخراج ویژگی از سیگنال الکترومایوگرام سطحی

این مطالعه در شش مرحله ی اصلی انجام می شود : مرحله ی اول جمع آوری داده هاست. یک دسته داده از پایگاه NINAPRO دریافت می شود. این پایگاه داده شامل داده های کینماتیک و الکترومایوگرام سطحی با 10 الکترود از عضلات ساعد یک فرد سالم طی انجام 52 حرکت انگشت ، مچ و دست است . مرحله ی دوم پیش پردازش داده های خامی است که در مرحله ی اول گردآوری شده اند. بدین منظور از فیلتر گذاری مناسب حوزه ی فرکانس مبتنی بر تبدیل موجک استفاده می شود تا نویز سیگنال الکترومایوگرام سطحی ثبت شده کاهش یابد. در گام بعدی یعنی گام پردازش حرکت های مشابهی که به صورت تصادفی تکرار شده اند، در کنار یکدیگر قرار گرفته اند تا امکان برچسب گذاری بهینه ی حرکت ها فراهم شود. مرحله ی چهارم استخراج ویژگی از سیگنال تمیز است. مجموعه ای از ویژگی های زمانی، غیرخطی و یا آشوبگونه از سیگنال استخراج می شود. از آن جایی که تعداد الکترودها و ویژگی های استخراج شده زیاد است، از روش کاهش فضای ویژگی مبتنی بر آنالیز مولفه های اصلی استفاده می شود. مجموعه ی ویژگی های استخراج شده به عنوان ورودی ساختار طبقه بندی کننده که مرحله ی ششم این مطالعه را تشکیل می دهد در نظر گرفته می شود. دقت برای مجموعه ای از طبقه بندی کننده های نزدیک ترین همسایه با روش های مختلف طبقه بندی ویژگی ها سنجیده می شود و طبقه بندی کننده ی برتر انتخاب می گردد. هدف از این کار مقایسه ی طبقه بندی کننده های مختلف نزدیک ترین همسایه در طبقه بندی حرکات با دقت و سرعت است.

کلیدواژه ها:

مدل های کامپیوتری ، تحریک سطحی ، تحریک الکتریکی فرکانس بالا ، سیگنال مدوله شده ی دامنه ، مدل بافت تحریک پذیر با خواص پراکندگی